Pro Mathematica Vol. XVIII, Nos.

35-36, 2004

,
INTRODUCCION AL MODELO
PSICOMÉTRICO
, DE LA TEORÍA
CLASICA DE LOS TESTS
{PARTE 1)
Jorge Luis B azán Guzmán

Artículo de difusión adaptado de conferencia en el XIV

Coloquio Nacional de Matemática

Resumen
Se hace un esbozo de la justificación estadística y
matemática propia de la Psicometría para el problema de
medición psicológica, con una introducción a la axiomática y
principales relaciones de la teoría clásica de los tests.
Nuestro abordaje se basa en una revisión de la literatura
pertinente, pero, adicionalmente, contiene resultados y
derivaciones propias. Un valor adicional está constituido por
el tratamiento como modelo y su conexión desde la teoría
matemática de medición y la justificación de la aleatoriedad
de los puntajes observados, así como incorporar la propuesta
de Zimmerman sobre la definición de validez. El presente
estudio pretende ofrecer una presentación del modelo
psicométrico de la Teoría clásica de los tests, el cual
contiene parte del modelo lineal clásico para una medición en
una población de sujetos.
O Sección Matemática, Departamento de Ciencias, PUCP
Introducción

El uso de los Tests en Psicología tienen larga data pero la cons-

trucción de pruebas empíricas de tipo psicométrico ha tenido y tiene
un gran desarrollo, pero desigual, que está constituido por técnicas y
metodologías con cierta racionalidad muchas veces no explícita. 1

Otro aspecto tardío fue sustentar, de alguna manera, la Teoría de los

Tests a través de un modelo matemático. 2 Entre estos esfuerzos pueden
citarse a Gulliksen (1950), Guilford (1954) y Torgenson (1958). Una sis-
tematización exhaustiva y más o menos sólida se alcanzó finalmente con
la obra de Lord y Novick de 1968, reeditada en 1974.

El test o prueba de tipo psicométrico se construye teniendo como base

modelos estadísticos tales como: Modelos lineales con error de medición.
Análisis Factorial, Análisis de Variables Latentes y modelos de Item-
Respuesta como los modelos de Rash. En su mayor parte estos modelos
se generalizan en el Modelo de Ecuaciones Estructurales o de Estructuras
de Covarianza(véase Lord y Novick, 1974; Weiss y Davison 1981).

Uno de los modelos estadísticos más utilizados para la construcción de

un test psicométrico es la Teoría Clásica de los Tests (TCT), denominada
también Teoría del Puntaje verdadero. Esta se apoya en un modelo lineal
con error de medición formulado por Spearman en 1904.

Relacionada con la TCT está la Teoría de Medición, teoría matemática

sistematizada en los tres volúmenes de Krantz et al. (1971). 3

En nuestro medio la literatura es escasa en ofrecer los detalles matemá-

ticos y técnicos de la fundamentación estadística de los tests psicométri-
1 En 1954 la APA, recién, se reunió para uniformizar la terminología usada y para

formular reglas básicas para la estandarización de los Tests y la Construcción de

Pruebas. APA(1954)
2 Esta necesidad de formalización está en la tradición de toda aplicación de la
matemática y estadística. Matemáticos y estadísticos participaron activamente en
este propósito, por ejemplo Pearson y Spearman entre los clásicos y Young, Rash y
Joreskog entre los más recientes.
3 Luce y Narens (1986) han trazado la historia moderna de la teoría de la medición

a través de las contribuciones de autores como Campbell, Stevens, von Neuman y

Morgenstern, Pfanzagl, Savage, Suppes, Debreu, Luce y Tukey. En Narens y Luce
(1986) aparece un sumario de trabajos recientes sobre esos tópicos.

80
cos, así como de relacionar ésta con la teoría matemática de la medición.
(véase Jones y Appelbaum, 1989; Magnunson, 1990; Pfanzagl, 1973).

En este estudio se esbozará un modelo constructivo que partiendo de

la Teoría de Escalas de Medición (TEM) nos introduzca a las principales
propiedades de los instrumentos psicométricos dentro del marco de la
TCT. Pasaremos así de un modelo determinístico, como es el caso de la
TEM, a uno probabilístico, como es el caso de la TCT. Se esbozará una
justificación estadística y matemática propia de la Psicometría para el
problema de medición psicológica introduciendo la axiomática y princi-
pales relaciones de la TCT. También se presenta una discusión detallada
acerca de los modelos presentados y de las principales relaciones identi-
ficadas.

En otro estudio, se puede abordar los aspectos metodológicos y técni-

cas, que forman parte de la construcción de pruebas empíricas (ver
Bazán, 1997), las cuales se apoyan en este modelo teórico que se consti-
tuye en normativo.

El artículo está organizado de la siguiente manera. La sección 2 pre-

senta los principios y supuestos subyacentes a la psicometria que ge-
neralmente no son explícitos en la literatura psicométrica. El modelo
matemático de la medición psicométrica es presentado en la sección 3 y
el modelo estadístico de dicha medición es presentado en la sección 4.
En la sección 5, se presenta una propuesta para la definición de validez
debida a Zimmerman (1983). En la sección 6, se da alcances finales con
respecto a lo presentado en las secciones 2, 3, 4 y 5.

l. Principios y Supuestos de la Psicometría

La Psicometría podemos definirla como una temática de la Psi-

cología que a través de la Estadística y la Matemática modela la medición
psicológica y sus principales aspectos conexos, así como el escalamien-
to y la construcción de escalas, test o pruebas, que se constituyen en
instrumentos psicométricos. Así la Psicometría tiene dos aspectos que
la caracterizan: teórico, ligados a la fundamentación y justificación de la
medición psicológica, y práctico, ligado a las técnicas para la elaboración
de los instrumentos psicométricos.

81
 Lo que la Psicometría recoge de la Teoría Psicológica muchas veces
no es explícito, tanto en textos como en manuales y artículos. En la
obra de Kantor, J. (1978) puede revisarse un "ejemplo de construcción
sistemática", inusual en la diversas teorías psicológicas. De lo que con-
sidera Kantor, "intentos históricos para hacer científica a la Psicología
desde la teoría lógica" , presentamos, desde una perspectiva más bien
histórica, algunos "principios" que consideramos subyacentes a la Teoría
Psicométrica.

l. La Psicología es una ciencia cuantitativa, (viene de Herbart), aplica-

ble a cosas y eventos no reales (constructos de las acciones) y son
indicadores de entidades psíquicas.

2. La Psicología es una ciencia experimental, (viene de Weber-Fechner)

que utiliza métodos psicofísicos analógicos al comportamiento orgá-
nico siendo una experimentación indirecta.

3. La Psicología es una ciencia paralela, isomorfa a la física, (viene de

Wundt), lo que se observa son movimientos y cambios fisiológicos
que son "isomorfos" a movimientos y cambios psíquicos.
4. La Psicología es una ciencia analógica, (viene de Herbart-Wundt-
James), las entidades mentales son factores similares a las entidades
físicas o naturales, (los elementos psíquicos están relacionados con
los factores físicos y fisiológicos).

5. Los procesos o funciones psicológicas pueden establecerse mediante

operaciones y, por tanto, definirse operacionalmente. No interesa la
descripción de las cosas sino los procesos, pues permiten establecer
la existencia y estabilidad de algo mediante la ejecución de cierto
tipo de operaciones.

6. La Psicología es traducible a lo físico. Lo psíquico es idéntico a lo

físico, la conducta es observable y, por tanto, está atravesando por
una experiencia psíquica mientras actúa de determinada manera.

7. La Psicología es una ciencia deductiva, pues es posible construir

un sistema psicológico deductivo.

Por otro lado, Raven (1989) ha sistematizado los siguientes supuestos,

comúnmente hechos por los psicómetras y usuarios de tests:

82
 • Los puntajes de Test deben ser "normalmente"distribuidos.

• Los puntajes deben tener distribución amplia de manera que recoja

las diferencias individuales.

• Los puntajes de test deben tener alta consistencia interna.

• Los psicómetras no deben confundirse con sus respuestas sociales

o creencias políticas.

• Los individuos pueden ser descritos independientemente de la situa-

ción o contexto en el cual se encuentran.

• Debemos encontrar, del modo más convincente, una manera par-

simoniosa de manejar las diferencias individuales para buscar un
número pequeño de variables que pueden resumir la varianza total
de intereses y habilidades humanas.

• E;s importante encontrar maneras de hacer finas discriminaciones

entre individuos a lo largo de un número pequeño de dimensiones.

• La práctica de hacer enunciados descriptivos acerca de los indivi-

duos no es científica.

• Hacer discriminaciones finas en un número pequeño de dimensiones

es "objetivo", antes que un enunciado acerca de las propiedades
distintivas, o acerca de los efectos de programas educacionales, so-
ciales y políticos.

• Para la utilidad científica o para propósitos prácticos, cualquier

rasgo que es indexado debe ser estable.

Muchos de ambos, principios y supuestos, subyacen también en este

trabajo. No discutiremos aquí su validez sino se busca dar sus alcances
a través del modelo presentado, para ser explícito aquello que aparece
como poco riguroso en mucho de los libros clásicos de psicometría de
que disponemos y, por tanto, no sujeto de demostración y sí sujeto de
aceptación tácita. Nuestra posición debe ser crítica frente a este modelo,
pero toda crítica debe basarse en un profundo y riguroso conocimiento.

83
2. Modelo Matemático de la Medición
Psicométrica

2.1. Medición Psicométrica

Los psicólogos coinciden en reconocer la importancia de la medición

de las propiedades psicológicas del individuo. Así Thorndike escribió en
1913: "todo lo que existe, existe en cierta cantidad; todo lo que existe en
cierta cantidad puede ser medido".

Como es fácil conjeturar, las propiedades psicológicas del individuo

no son observables. Por lo tanto, responde a la pregunta ¿cómo medir
las propiedades psicológicas? constituye el problema fundamental de la
medición psicológica. El área temática que aborda el problema es la
Psicometría.

El supuesto fundamental en el que se apoya la Psicometría es el

que a través de los instrumentos psicométricos podemos "medir" las
propiedades psicológicas.

Esquemáticamente:

PROPIEDAD INSTRUMENTO PUNTAJE

PSICOLÓGICA ,.. PSICOMÉTRICO ,.. OBSERVADO

Figura 1: Supuesto fundamental de los instrumentos psicométricos

En el contexto de la Psicología, dada una propiedad psicológica no

observable ("propiedad medible") "traducimos" dicha propiedad a través
del instrumento psicométrico en una propiedad psicológica observable
("propiedad medida") que es una definición operacional de la propiedad
expresada en números. De suerte que, si estamos midiendo dicha propie-
dad en una población de individuos en un instante específico, es decir, en
una aplicación, pasamos de una población de individuos a una población
de puntajes. En este contexto, medir consiste en pasar del mundo de
las propiedades de los individuos, respecto a una propiedad medible, al
mundo de las propiedades entre los números (en especial en los reales),
respecto a esa misma propiedad medida.

84
 Por otro lado, en el contexto de la Teoría matemática de medición,
como ha explicado Valdivieso (1991 a) (1991 b), siguiendo a Pfanzagl
(1973), medir significa estimar una propiedad dentro de un sistema rela-
cional dado, es decir los sujetos de la medición son las propiedades del
objeto "medible". Existen dos sistemas relacionales: numéricos y empíri-
cos, donde el primero está conformado por los reales y por relaciones
entre sus elementos, las que determinarán la escala a emplear, la cual
denotamos por m, y el segundo por el conjunto empírico de propiedades
a medir y por relaciones entre estas propiedades.

Con esto, el instrumento psicométrico es una medición de una propie-

dad medible definida como constructo, es decir la definición operacional
de la propiedad medible especificando su proceso de medición empírica,
y la escala de medición es una función que relaciona la propiedad medible
directamente con la propiedad medida definida en forma teórica.

De manera que se plantea un paralelismo entre la escala de medición

y el instrumento psicométrico, así la escala tiene una interpretación
más sintáctica (formal) y el instrumento una interpretación más semánti-
ca (empírica). Es, por ello, que el instrumento psicométrico visto como
una forma empírica se conoce como escala o prueba. Esquemáticamente
podemos presentar lo siguiente:

¿Qué relaciones
Instrumento o propiedades
son deseables en
Psicométrico el instrumento
psicométrico?

¿Qué relaciones
Escala o propiedades
m son deseables
en escala m?

Figura 2: Paralelismo en la medición psicométrica de la escala de medición y el

instrumento psicométrico.

Las preguntas que aparecen en la figura surgen de manera natural,

con el modelo presentado en las secciones siguientes, pretendemos ha-
cerlas explícitas.

85
 Para estudiar las relaciones y propiedades tanto de la escala como del
instrumento psicométrico es necesario formular un modelo matemático
y un modelo estadístico. En las siguientes secciones desarrollamos estos
modelos.

2.2. Modelo Matemático de las Escalas de Medición

Definiciones
Sea I un subconjunto contable que denota una población de indivi-
duos sometidos a un test, T un conjunto que denota una población
de propiedades medibles de card(T) = I y sea X un subconjunto de
números reales que denota una población de propiedades medidas de
card(T) =J. Considere (Rj)jEL, la familia de relaciones entre los tE T
definida por las propiedades deseables del instrumento psicométrico con
respecto a cada propiedad medible en su forma de función característi-
ca, y sea (Sj)jEL que denota la familia de relaciones entre las x E X,
definida por las propiedades deseables del instrumento psicométrico con
respecto a cada propiedad medida en su forma de función característica.
En ambos casos L expresa un conjunto arbitrario pero usualmente finito
de tales relaciones.
Un sistema relacional empírico (s.r.e) T = (T, (Rj )jEL) es una es-
tructura matemática formada por el constructo T y las relaciones entre
sus elementos. Análogamente se define un sistema relacional numéri-
co (s.r.n) correspondiente X= (X, (Sj)jEL),
Una escala de medición entre un s.r.e irreducible y un s.r.n es una
función m: T -7 X, m([t]) = [x] que preserva las relaciones empíricas a
través de relaciones numéricas en los s.r dados, es decir lleva los objetos
[t] (la propiedad medible y sus relaciones) a objetos [x] (la propiedad
medida y sus relaciones). En un sentido más general puede decirse que
m( ti) = Xi denota la medición de la propiedad ten el individuo i la cual
podemos escribir como x~.

En palabras simples, el término irreducible significa que T debe

garantizar la inyectividad de la escala m, es decir para cada valor numéri-
co x existe una propiedad medible t correspondiente a un sólo individuo.
Si T no es irreducible, no hay inconveniente pues es posible a partir de
T, construir un sistema relacional cociente asociado a una relación de

86
congruencia (relación que permite sustituir internamente en T objetos
equivalentes en relación a la propiedad medible). Este nuevo sistema re-
sulta irreducible. Mayores detalles pueden consultarse en Pfanzagl (1973)
y Valdivieso (1991a, 1991b).

Propiedades del instrumento y de la escala para el modelo psi-

cométrico:
Considerando las definiciones anteriores, proponemos que las propieda-
des deseables del modelo psicométrico son:

Para el instrumento psicométrico

l. Debe medir cierta propiedad t unívocamente y no otra. (existencia
y unicidad para la propiedad medible t), a esto se denominará la
validez del instrumento psicométrico.
2. Debe proporcionar la misma medida x (valor numérico) de la propie-
dad medible t al volver a medir bajo "condiciones similares" al mis-
mo individuo i (invarianza para la propiedad medida x), a esto se
denominará la confiabilidad del instrumento psicométrico.
3. Debe poseer sensibilidad para diferenciar a los individuos con res-
pecto a la propiedad medible t a través de la propiedad medi-
da x (invarianza para las relaciones de orden, entre los individuos
sometidos a un test con respecto a la posesión de la propiedad t), a
esto se denominará la diferenciabilidad del instrumento psicométri-
co.
Para la escala psicométrica
l. Debe garantizar una "traducción" de la propiedad medible en una
propiedad medida. Es decir la escala debe ser un Homomorfismo,
esto es, T es homomorfo a X si V l E L, t(li) E Tli, entonces se
cumple que Ri(h,t2, ... ,t(li)) = Si(Xi,X2, ... ,X(!i))

2. Debe garantizar una traducción única de la propiedad medible en

una propiedad medida. Es decir la escala debe ser única. Dada
la clase de homomorfismos de T en X denotada por M(T, X)
podemos definir un conjunto de transformaciones admisibles de la
escala m 0 E M(T,X) denotada por rx(mo(T)) de manera que
sea única.

87
 3. Debe garantizar la traducción de la propiedad medible en una
propiedad medida que corresponda por lo menos a una medición
de intervalo. Es decir la escala debe ser Intervalar. Dada mo E
M(T, X), se dice que es intervalar si r x(m 0 (T)) = {¡ : R -+
R/¡(x) = ax + (3, V x E R, a E R+ 1\ (3 E R} donde R deno-
ta el conjunto de los reales. Esta escala corresponde a una escala
donde son válidas las transformaciones que corresponde a dilata-
ciones (parámetro a) y traslaciones (parámetro (J) de los puntajes.

3. Modelo Estadístico de la Medición

Psicométrica

En el modelo matemático de la medición psicométrica se pu-

do establecer relaciones y propiedades para la escala y el instrumen-
to psicométrico. Sin embargo, el modelo no es un modelo que pueda
ser verificado empíricamente. Adicionalmente, en situaciones comunes
de medición psicométrica mediante test es apropiado establecer que las
relaciones entre la propiedad medible T y la propiedad medida X están
sujetas a un error aleatorio considerando que X es una medida indirecta
de T y por tanto susceptible de error para una población I determinada.
Para esto supondremos una sola propiedad medible para un test la cual
puede ser medida a través de diversos estímulos o elementos j del test.

Inicialmente considere el siguiente experimento aleatorio dentro de

esta sección 3: dado un individuo i al que se aplica un cierto estímu-
lo j sucesivas veces para medir cierta propiedad t determinada. Estos
estímulos generalmente son denominados ítems pero pueden ser tests
que componen un test mayor.

S= {s 1,s2, ... ,sk,···} es el espacio muestra! asociado, donde Sk el

resultado de la aplicación del estímulo j al individuo i en la repetición
k.

Una función Xii llamado puntaje observado del individuo i en el

estímulo j, que asigna a cada uno de los elementos s E S un número real
Xij(s) llamado valor del puntaje observado correspondiente o simple-
mente puntuación del individuo i en el ítem j), se considera una variable
aleatoria.

88
 Esquemáticamente tenemos:

S
---8
1-----X-'-ij

:n,"' T\
Conjunto de aplicaciones Conjunto de puntajes observados

Figura 3: Definición de la variable aleatoria puntaje observado

Bajo las condiciones consideradas tenemos que Xij es aleatoria puesto

que la elección del individuo proviene de una muestra aleatoria de la
población y el estímulo también es elegido de una población aleatoria
de estímulos (test o ítems), más precisamente, doblemente aleatoria o
experimento compuesto.
Al proceso de obtener el resultado de aplicar un cierto estímulo j
elegido al azar, un conjunto amplio de veces, a un cierto individuo elegido
también al azar para medir cierta propiedad determinada, lo denominare-
mos una medición mediante un instrumento psicométrico o simplemente
medición psicométrica y constituye una definición semántica paralela a
la que correpondía a la escala de medición en el modelo determinístico
visto en la sección anterior.
Esta especificación de la variable aleatoria Xij supone que la aleato-
riedad corresponde a las repeticiones y una muestra aleatoria de ellas
pude ser obtenida bajo una medición psicométrica.
Precisemos ahora otro experimento aleatorio 3*, consistente apenas
en seleccionar individuos donde el espacio asociado a 3* es la población
I de individuos, el cual corresponde a la medición psicométrica mediante
un único estímulo .
La variable aleatoria X que asigna a cada elemento i en I (a cada
individuo) uno y solamente un número real x = X(i) correspondiente
a un valor obtenido por un individuo en un instrumento psicométrico
de una propiedad medible de estímulo único se llama solamente puntaje
observado, y es tal que, Rango(X) = Rx = {x E 'if?.jx = X(i), i E I} =
X(I), Dom.(X) = l. En este caso la aleatoriedad está referida a los
diferentes valores que toma X para diferentes individuos.

89
 En Psicometría se tiene dos modelos estadísticos para la medición
psicométrica, uno asociado a X;j y otro asociado a X. En lo que sigue,
presentamos el modelo estadístico de la medición psicométrica correspon-
diente a X denominado teoría del puntaje verdadero o Teoría clásica de
los Tests.

3.1. Axiomas del Modelo Lineal Clásico

Sea T la variable aleatoria puntaje verdadero asociado a X que

toma valores t correspondiente al verdadero valor, de la propiedad me-
dible en tales individuos, esto es, Rango(T) = Rr = {tjt = T(i),i E
I} = T(I), Dom.(T) =J.

Definición l. Definimos la variable aleatoria puntaje de error E por la

relación
E= X- T, en I (1.1)

Observación l. Pese a que la tríada (X, T, e) constituye una medición,

a veces nos referimos a X como tal, y conviene precisar que nos referimos
a la aplicación de un estímulo a una subpoblación de n individuos, por
lo que en verdad se tendría Eij = X;j- T;, donde j = 1, i E {1, 2, ... , n}.
En sentido práctico j puede ser considerado como un test o un ítem.

Axiomas del Modelo Lineal Clásico

Para toda subpoblación no nula de I, es decir, YN e I, N i- e/>,
N E 21 , se asume lo siguiente:

E(c) =O (1.2)

r(T,c) =O (1.3)

r(El,Ez) =0 (1.4)
r(El,Tz)=O (1.5)

donde E denota el operador esperanza y r denota la correlación de las

variables en el paréntesis y el subíndice dos mediciones diferentes cua-
lesquiera (ver Bickel e Dobsum (1977), que pueden ser la medida de la

90
propiedad t para dos individuos distintos en una misma ocasión a la
medida de la propiedad t en dos ocasiones distintas.
También para evitar la trivialidad, asumamos que:

O< V(X) < oo,O < V(T) < oo y V(c) < oo (1.6)
Observación 2. Hay que observar que tanto las definiciones como los
resultados obtenidos en este estudio se cumplen para el modelo pobla-
cional pues en todo momento se trabaja con parámetros poblacionales.

Proposición l. Para toda subpoblación no nula de I, los siguientes

grupos de axiomas son equivalentes:
(I) E(X) = E(T) ... (i)

(II) (1.2) a (1.5)

Corolario l. Para toda subpoblación no nula de I y para cualesquiera
dos mediciones se tiene:

COV (X¡, X2) = COV (X1 , T2) = COV (T¡, T2) = COV (T¡, X2).
En particular COV (X,T) = V(T).

3.2. Propiedades Derivadas para toda Medición

Proposición 2. Para toda medición se cumple lo siguiente
E(T) = E(X) (2.1)
E(X/T = t) = t (2.2)
V(X) = V(T) + V(c) (2.3)

r 2(X, T) = V(T)/V(X) = 1- V(c)/V(X) (2.4)

(2.5)

91
3.3. Relaciones Basadas en Mediciones Estrictamente
Paralelas
Definición 2. Sean dos mediciones X y x' de una misma propiedad
medible que satisfacen (1.1} con distintro error pero de varianza ho-
mogénea y obviamente los supuestos (1.2} a (1.5}, tales mediciones son
llamadas mediciones estrictamente paralelas. Así satisfacen lo siguiente:
Para toda subpoblación no nula de I, cualesquiera dos mediciones son
estrictamente paralelas si se tiene:

X= T + t:, x' = T + t:' y V(t:) = V(t:') (3.1)

Observación 3. En verdad, para dos mediciones estrictamente paralelas
se tiene T = T' y se puede adelantar aquí que los tests paralelos tendrán
igual promedio de puntajes observados, varianzas y correlaciones con
otros puntajes observados, pero no necesariamente perfectamente cor-
relacionados entre ellos (a menos que no halla varianza de error).
Proposición 3. Para toda subpoblación no nula de I y para cualesquiera
dos mediciones estrictamente paralelas de una misma propiedad medida,
se cumple:
E(X) = E(X') y V(X) = V(X') (3.2)

COV(X,X') = V(T) (3.3)

r 2 (X, Y)= r(X,X') (3.4)

V(t:) = V(X)[1- r(X,X')] (3.5)

r(X,t:) = y'1- r(X,X') (3.6)

Observación 4. El recíproco de (3.2} no necesariamente es cierto.

3.4. La Confiabilidad de un Test

Definición 3. La confiabilidad de un test es definida como la correlación
al cuadrado r 2 (X, T) entre puntaje observado y puntaje verdadero.
Proposición 4. La confiabilidad es un número en el intervalo <O, 1].

92
3.5. La Validez de un Test
Definición 4. El coeficiente de validez de una medición X con respecto a
un criterio Y (una segunda medición) es definida como el valor absoluto
de su coeficiente de correlación, es decir, lr(X, Y) l.

Proposición 5. La confiabilidad de un test es justo su validez con res-

pecto a un test paralelo.

3.6. Fórmulas de Atenuación

Lema l. Dadas X e Y dos variables aleatorias psicológicas con errores
de medición que satisfacen (1.1), se cumple lo siguiente:

r(Tx,Ty) = r(X,Ty)fr(X,Tx) = r(Y,Tx)/r(Y,Ty) (6.1)

r(X, Y) = r(X, Ty )r(Y, Ty) = r(Y, Tx )r(X, Tx) (6.2)

donde T x, Ty denotan los puntajes verdaderos de las mediciones distin-
tas correspondientes a X e Y respectivamente.

Observación 5. El cociente en (6.1} no se indetermina puesto que

r(X, Tx ), r(Y, Ty) > O, por la Proposición 1, dado que ambas expresan
los índices de confiabilidad de las mediciones correspondientes.

Proposición 6. Dadas X e Y variables aleatorias psicológicas con erro-

res de medición que satisfacen (1.1}, se cumple lo siguiente:

r(Tx, Ty) = r(X, Y)/[r(X, Tx )r(Y, Ty )] = r(X, Y)/[r(X, X')r(Y, y' )] 1 12 (6.3)
r(X, Y)= r(X, Ty )[r(Y, y' )] 1 12 - r(Y, Tx )[r(X, x' W/ 2 (6.4)
r(X,Tx) 2: r(X,Ty) y r(Y,Ty) 2: r(Y,Tx) (6.5)
lr(Tx, Ty )1 2: Ir( X, Ty)l 2: Ir( X, Y)l y
lr(Tx, Ty)l 2: lr(Y, Tx )1 2: Ir( X, Y)l (6.6)

Proposición 7. La validez de un test con respecto a cualquier criterio

no puede exceder del índice de confiabilidad. Si excede a la confiabilidad
entonces el segundo puntaje observado correlaciona más altamente con
el primer puntaje verdadero que con el primer puntaje observado.

93
4. Propuesta de Zimmerman para la
Definición de Validez

Zimmerman (1983) ha presentado una nueva propuesta para la

definición de validez que presentamos a continuacíón.

Proposición 8. Sean X e Y dos variables aleatorias de la misma propie-

dad, tal que X= Tx +ex, y Y= Ty + ey. Se tiene

COV (X, Y)= COV(Tx,Ty)) + COV (ex,ey) (7.1)

4.1. Definición de Validez según Zimmerman

Zimmerman (1983) propone definir la validez de una medición

X con respecto a un criterio Y como IVxYI, donde

V _ COV(Tx,Ty)
(7.2)
XY- jV(X)V(Y)

4.2. Relaciones entre la Definición de Validez de

Zimmerman y la Usual

Si denotamos r(X, Y) en (4.5) por PXY tenemos las siguientes

relaciones entre Vxy y PXY

Proposición 9. Se cumple

Vxy COV (Tx, Ty)

(7.4)
PXY COV (X, Y)

1 1

PXY- Vxy = p(ex,ey)[1- r(X,X )] 1/2 [1- r(Y, Y)] 1/2 (7.5)

94
5. Discusión y Alcances Finales

Como los tests psicométricos empleados en el país, en su mayoría,

se basan en la Teoría clásica de los Tests, la cual a su vez se apoya
en el modelo con error en medición formulado por Spearman en 1904
y extendido desde allí, nos propusimos abordar este tema para así con-
tribuir a su esclarecimiento y difusión. Nuestro abordaje se basó en una
revisión de la literatura pertinente, pero adicionalmente contiene resul-
tados y derivaciones propias. Una justificación adicional lo constituye el
tratamiento como modelo y su conexión desde la teoría matemática de
medición y la justificación de la aleatoriedad de los puntajes observados.

Con respecto a los Principios y supuestos de la Psicometría

Un primer alcance a establecer corresponde a los principios y supues-
tos subyacentes a la teoría psicométrica. Los principios identificados
en la sección 2 pueden reinterpretarse en: Los constructos psicológicos
existen, pero no son observables y sin embargo son susceptibles de ex-
perimentación indirecta. Los constructos responden, isomórficamente, a
estímulos como la conducta medible, por tanto los constructos psicológi-
cos pueden ser medidos. Los constructos psicológicos son operaciona-
lizados para ser medidos empíricamente. El constructo operacionalizado
se traduce por conductas obsevables. Por lo tanto es posible establecer
modelos a través de un sistema psicológico deductivo.
Por otro lado, los supuestos subyacentes a la Psicometría pueden
reinterpretarse en: Los puntajes observados en un test muestran regula-
ridades, variabilidad y alta consistencia interna. Una condición requerida
es la objetividad del evaluador y que la evaluación sea un experimento
controlado. Lo que se busca es un Modelo Parsimonioso de la diferen-
ciabilidad humana con alto poder de discriminación. La cuantificación
mediante test es científica, objetiva y mide constructos estables.
La validez de estos principios y supuestos no serán discutidos en este
artículo.

Con respecto al modelo matemático de la medición psicométri-

ca.
Con respecto a las Propiedades del instrumento y de la escala para el
modelo psicométrico correpondientes a un modelo sintáctico presentado

95
en la sección 3, podemos dar el alcance de que estas propiedades son
difíciles de cumplir en la práctica, tanto por teoría de test que exige por lo
menos una medición de intervalo, como en el escalamiento o construcción
de pruebas que toman medición desde el nivel nominal como puede verse,
por ejemplo, en Magnusson(1990).

El modelo determinístico de las escalas de medición, plantea un ho-

momorfismo de la escala m, m( ti) = Xi Vi E J, donde Xi es la propiedad
medida (en verdad xD. Sin embargo en la sección 4, Xi tomará la forma
de puntaje observado, cuando se precisa el modelo probabilístico por el
cual se obtiene x esto es, mediante el experimento aleatorio compuesto
propuesto en el modelo TCT, de manera que el valor proporcionado es
obtenido por un instrumento psicométrico.

Así el modelo matemático es un modelo normativo dentro del cual

fue posible definir formalmente tres propiedades deseables para el instru-
mento psicométrico como son la validez, confiabilidad y diferenciabilidad,
y también 3 propiedades que la escala debe satisfacer como son que sea
un homomorfismo, sea única e intervalar.

Con respecto al modelo estadístico de la medición psicométrica

En la sección 4 fueron presentados un conjunto de resultados de la

axiomática propuesta sin mayores interpretaciones. A continuación pre-
sentamos las interpretaciones de los principales enunciados.

De la definición (1.1), se puede interpretar que el puntaje observado,

X, de un individuo es la suma de dos partes un puntaje verdadero, T, y
un puntaje de error o error de medición, c. T y e son constructos teóricos
que no son observables.

(1.2) es equivalente a asumir E(X) = T, que se interpreta como que

el valor esperado (el promedio poblacional) de X es T. Tes el promedio
de la distribución teórica de los puntajes X que se hallarían en repetidas
aplicaciones independientes del mismo test al mismo individuo. Hay que
hacer notar que T se define en términos del valor esperado de los pun-
tajes, no en términos de una propiedad real del examinado. El puntaje
verdadero no necesariamente refleja "el verdadero" nivel de la propiedad
a medir, esto corresponde a un problema de validez. (1.3) se interpreta
como que puntajes de error y puntajes verdaderos obtenidos por una
población de individuos en un test no están correlacionados. (1.4) se in-

96
terpreta como que los puntajes de error, c 1 y c 2 en dos tests diferentes
no están correlacionados. (1.5) se interpreta como que los puntajes de
error en un test, c 1 no están correlacionados con los puntajes verdaderos
en otro test, T2 .

En Bohrntedt (1978) y Lord y Novick (1974) se presenta una cons-

trucción del modelo en base a los axiomas equivalentes. Estas caracte-
rizaciones equivalentes son comunes en Matemática y prueban que los
axiomas de cualquier sistema deductivo no son únicos.

Otros autores toman a (3.2) como definición de medidas paralelas

reservando (3.4) como definición de estrictamente paralela.

La expresión E( X) = E(T) es a menudo referida como puntaje medio

observado o puntaje medio verdadero. La varianza de los puntajes de
error V(c) se refiere a la varianza de errores de medición o simplemente
a la varianza de error, y su raíz cuadrada ac: es referida como desviación
estándar de los errores de medición o simplemente como el error estándar
de medición. Cada una de las expresiones obtenidas en las secciones pre-
vias tienen un uso importante en la Teoría de los tests que no trataremos
de interpretar aquí, pero puede revisarse a Magnusson (1990) y Lord y
Novick (1974).

Por (2.4) la confiabilidad es la proporción de la varianza total del

puntaje observado que es explicada por la influencia lineal de T y por
(2.2) diremos que es una medida del ajuste de esta relación lineal, o
de otra forma, podemos decir que la confiabilidad de un test es una
medida del grado de variación relativa del puntaje verdadero sobre la
variación del puntaje observado. De esta relación también podemos ver
que la confiabilidad es una medida inversa de la varianza relativa de error
sobre la varianza observada.

La definición 3 es sólo teórica puesto que T es una variable aleatoria

no observable y por tanto r 2 (X, T) también, sin embargo r(X, X') si
lo es y puede estimarse; como por (3.4) son iguales, cualesquiera de
esas cantidades puede tomarse como una definición de confiabilidad. En
Magnusson (1990), Lord y Novick (1974), Bazán (1993), y Kristof (1963)
puede revisarse diversas formas de estimar la confiabilidad. La expresión
r(X, T) es algunas veces referida como el índice de confiabilidad, y la
Proposición 3 es igualmente válida para dicho índice.

97
 El coeficiente de validez de una medición o predictor puede además
establecerse únicamente en relación a una segunda medición llamada un
criterio. Aunque lo anterior no debe de olvidarse, es usual referirse a
dicho coeficiente como la validez de un test.
Un problema de importancia para los psicólogos teóricos consiste en
determinar la relación entre dos variables psicológicas teóricas, propieda-
des medibles o latentes, con instrumentos psicométricos construidos para
medirlas. Si la relación entre dichos instrumentos psicométricos es mu-
cho menor que la correlación entre las propiedades medidas (constructos)
como se ve en (6.3), y si asumimos como aproximación razonable que el
puntaje verdadero en la medición puede ser tomada como el constructo
en la cuestión, entonces podemos usar ciertas fórmulas llamadas fórmu-
las de atenuación, para calcular la verdadera correlación entre los cons-
tructos. La ecuación derecha de (6.3) da la correlación entre puntajes
verdaderos en términos de la correlación entre puntajes observados y la
confiabilidad de cada observación. La ecuación (6.4), al despejarse, da la
correlación entre puntaje observado en una medición y el puntaje ver-
dadero en una segunda medición en términos de la correlación entre los
puntajes observados en las dos mediciones y la confiabilidad en la se-
gunda medición. Ambas son ecuaciones de estimación de cantidades no
observables cuyas cotas se obtienen de (6.5) y (6.6), y son las llamadas
fórmulas de atenuación.
De la proposición 7 se deduce que una alta confiabilidad es una condi-
ción necesaria pero no suficiente para una alta validez. Que la validez de
un test (con respecto a otro test) pueda exceder su confiabilidad puede
en principio parecer contraintuitivo. La paradoja, sin embargo, resul-
ta del carácter no paralelo de la definiciones de confiabilidad y validez;
así la última fue definida como un coeficiente de correlación y el primero
como una correlación al cuadrado. Como IPI ~ 1, se tiene que p2 ~ ¡p¡,
lo cual explica el resultado dado. Caso en el que la validez excede a la
confiabilidad pueden ocurrir cuando la medida del predictor es quizás no
confiable y la medida del criterio es relativamente confiable. La propuesta
de Zimmerman (1983) ofrece mayores perspectivas.

Con respecto a la propuesta de Zimmerman para la definición

de validez
Una primera cosa a decir con respecto a la definición propuesta por
Zimmerman es que la definición de validez es "simétrica" a la de con-

98
fiabilidad. En la definición de confiabilidad, esta se definía como una
cantidad no observable sobre otra observable (véase 2.4) para el caso de
la validez en la definición propuesta COV (Tx, Ty) no es observable y
V(X), V(Y) si lo son. A diferencia de la definición de validez anterior,
en ésta el signo depende de COV (Tx,Ty).

Ventajas de V XY frente a pxy

(i) Independencia del axioma (1.4)

• Si se cumple el axioma(l.4), esto es E(ex,ey) =O, en (7.3)

Vxy = PxY la cual es análoga a la definición convencional (ver
sección 5).
• Si no se cumple el axioma(l.4), esto es E(ex,ey) =f. O, en
(7.3) Vxy ofrece otras ventajas.

(ii) "Correcta"desde el punto de vista de la axiomática de la TCT.

Si X e Y son paralelos,::::} Vxy = r(XX') y no como PXY = 1
En efecto si el predictor X y el criterio Y cumplen (3.1) se tiene
Tx = Ty = T por lo que en (7.1) COV (ex,ey) = COV (X, Y)-
COV (Tx, Ty) = O, en base a (3.3) pues de COV (X, Y) =
COV(X, X'). Luego en (7.3), Vxy = r(X, Y)= r(X, X'). Es decir
la validez es interna, y la validez coincide con la confiabilidad, por
lo que ésta última sería un caso particular de validez para predic-
tores paralelos (paralelismo entre el predictor y el criterio). Así, el
valor de la confiabilidad se puede interpretar como validez interna,
lo cual resulta correcto desde el punto de vista de la axiomática
considerada.

(iii) Si el predictor X y el predictor Y son variables aleatorias con dis-

tribución normal de media cero y varianza 1 i.e. (X, Y,..... N(O, 1)),
esto es E(X) = E(Y) = O, V(X) = V(Y) = 1, se tiene de (3.2)
y (1.2) que X e Y son paralelos y por lo anterior se tiene que
Vxy = COV (X, Y).

Estos resultados sugieren que la definición inducida (7.2) es la "correc-

ta" desde el punto de vista de la axiomática de la TCT que se trabaja.

99
 De (7.2) se obtiene

V _ _ COV (ex,ey)
(7.3)
XY- pxy JV(X)JV(Y)

que es directo al usar (7.1), separar los términos en el numerador y usar

la definición de correlación.
(7.5) se puede interpretar como la discrepancia entre Pxy- Vxy está en
función del grado correlación entre su puntajes de error.
Con respecto a la atenuación del error de medición en la definición
de Zimmerman se tiene que de (7.2) la cov (Tx, Ty) = Vxy(V(x)V(y)jll 2
y en la siguiente expresión de la correlación se tiene

r(Tx, Ty) = (Vxy[V(x)V(y)] 1 12 )j[V(Tx )V(Ty )] 112 ,

así usando (2,4) y (3,4) se tiene:

r(T T ) - Vxy (7.6)

x, y - Jr(X,X')Jr(Y, Y')

La cual es análoga a la confiabilidad en (7.2) pues si E(ex,ey) =O=>

Vxy = Pxy· Pero si E( ex, ey) =/=O por (7.2) se tiene

r(T T ) _ COV (Tx,Ty)

x, y - JV(X)V(Y)Jr(X,X')Jr(Y, Y')'

y usando (7.1) para el numerador y separando y dándole la forma de la

definición de correlación se tiene

r(T T ) - r(X,Y) r(ex,ey)

(7. 7)
x, y - Jr(X,X')Jr(Y, Y')
~v~/e:l)
Finalmente, es fácil deducir, como lr(Tx,Ty)l :S 1, que IVxYI <
[V(Tx)/V(X)jli 2 [V(Ty)jV(Y)FI 2 , y por (2.4) y (3.4) se tiene

IVxYI :S Jr(X, X')r(Y, Y') (7.8)

Tanto como (7,7) y (7.8) no tienen correspondientes en la TCT (ver

Lord y Novik, 1974); por lo que la definición propuesta de validez resulta
ser más general y no necesita del axioma (1.4).

lOO
 En este artículo revisamos uno de los modelos estadísticos más utiliza-
dos para la construción de un test psicométrico que es la Teoría Clásica
de los Tests denominada también Teoría del puntaje verdadero. Esta
se apoya en un modelo lineal con error de medición formulado por
Spearman en 1904. En este modelo se establece una axiomática relativa-
mente simple para los componentes del modelo; y diversas definiciones
de equivalencia entre mediciones para una aplicación de un test a cierto
individuo. El término medición se refiere aquí a un sustantivo que deno-
ta un elemento de un test,(ítem) o el test mismo y se refiere a diversas
medidas de un mismo constructo. El propósito del artículo es ofrecer una
presentación del modelo psicométrico de la Teoría Clásica de los Tests,
el cual contiene parte del modelo lineal clásico para una medición en una
población de individuos. A partir de él pueden derivarse el Modelo Lineal
Clásico para un individuo en una población de ítems (para mediciones
de orden k) donde se deriven las conocidas fórmulas de predicción de
Spearman-Brown, Alfa de Cronbach, Lamda de Guttman, y las fórmulas
de Kuder-Richardson, las cuales son cotas inferiores de la confiabilidad
de un test compuesto. Esto es materia de otra entrega para no recargar
la extensión de este artículo.
Finalmente, esta presentación también tiene el propósito de sentar las
bases para motivar en nuestro medio futuras contribuciones disciplina-
rias, interdiciplinarias y multidiciplinarias como se dan, en extenso, en
otros contextos.

Referencias
[1] AP A: Standars for Edu.cational and Psychological Test and
Manuals. Washigton DC, (1954).

[2] APA: Methematical Statistic. Helden-Day. Springer, (1977).

[3] J. BAZÁN: Modelos estadísticos, clásico y reciente, de la confia-

bilidad de un instrumento psicométrico. III Coloquio Nacional de
Estadística. UNMSM, (1993).

[4] J. BAZÁN: Metodología estadística de construcción de pruebas.

Una aplicación al estudio de actitudes hacia la Matemática en la
UNALM. Tesis de Ingienería Estadística. UNALM, (1997).

101
 [5) G. BOHRNSTEDT: Evaluación de la confiabilidad y validez en la
medición de actitudes. En: Summers, Medición de actitudes. (1978)
103-127.

[6) J .P. GUILFORD: Psychometrics Methods. New York; McGraw-Hill,

(1954).

[7) H. GurLLEKSEN: Teory of Mental Test. Nueva York; Wiley, (1950).

[8) JONES Y APPELBAUM: Psychometrics Methods. Ann. Rev. Psichol.

40 (1989) 23-43.

[9) D. KRANTZ, R. LUCE, P. SUPPES Y TVERSKY: Foundations of

Measurement. New York. Academic. 3 vol. (1971).

[10) W. KRISTOH: The Statistical Theory of stepped-up reliability co-

efficient when a test has been divided into severa[ equivalents parts.
Psychometrika. 28 (1963) 221-238.

[11) F. LORD Y M. Novrc: Statistical Theories o/ Mental Test Scores.

Reading Mass. Addison- Wesley. 2da reimpresión, (1974).

[12) R. LUCE Y L. NARENS: The mathematics underlying measurement

on the continuum. Science 236 (1986) 1527-32

[13) MEGNUSSSON: Teoría de los Test. Edit. Trillas, México, (1990)

77-149.

[14) L. NARENS Y R. LUCE: Abstract Measurement Theory. Cambridge,

Mass: MITT Press, (1986).

[15) PFANZANGL. Theory of measurement. 2da ed. reimpresión. Physica

Verlag, (1973).

[16) J. RAYEN: Questionable assumptions in Test Construction. Bulletin

of International Test Commission. N° 29 (1989) 67-95.

[17) W. TORGERSON: Methods of Scaling. Library of Congress. USA,

(1958).

[18) L. VALDIVIESO: Teoría de Escalas de medición. Tesis de Bachille-

rato de Estadística PUCP, (1991a).

102
[19] L. VALDIVIESO: Escalas de medición. Pro Mathematica, Vol V, N°9-
10 (1991b) 51-65.
[20] WEISS Y DAVISON: Test theory and methods. Ann. Rev. Psichol. 32
(1981) 629-58.

[21] D. ZIMMERMAN: The Mathematical Definition of test Validity.

Educational and Psychological Measurement. 43 (1983). 791-796.

Jorge Luis Bazán Guzmán

Sección Matemática, Departamento de Ciencias
Pontificia Universidad Católica del Perú
bazan.jl@pucp. edu. pe.

103
 ANEXO
PRUEBA DE LAS PROPOSICIONES Y LEMAS

Prueba de la Proposición 1

f Veamos (I)=? (I I)

(2) E(e) = E(X- T) = E(X)- E(T) =O, por (1) y (i).

(3) Bastará probar que COV (T, e) = O, en efecto
COV (T,e) = E(Te)- E(T)E(e) = E(T(X- T)) = E(TX)-
E(T 2 ) = O, por (1), (2) y (ii).
(4) Bastará probar que COV V(e 1 , e 2 ) =O, en efecto
COV (e 1,e2) = E(e 1,e2) -E(e¡)E(e 2) = E((X¡ -T¡)(X2 -T2))-
E(X¡ - T¡)E(X2 - T2) = E(X1X 2) - E(T1X2) - E(X1T2) +
E(T1 T2)- E(X 1 )E(X2)+ E(T1 )E(X2)+ E(X 1)E(T2)-E(T¡ )E(T2) =
O por (1), (ii) y (iii).
(5) Bastará probar que COV (e 1 ,T2 ) =O, en efecto
COV (e 1, T2) = E(e 1T2) -E(e¡)E(T2) = E((X¡ -T¡)T2) -E( X¡-
T¡)E(T2) = E(X1T2) - E(T1T2) - E(X1T2) + E(T1T2) = O, por
(1), (ii), (iii).

(II)=? (J)

(i) E( X) = E(T +e)= E(T) +E( e) = E(T), por (1) y (2).

(ii) E(X1T2) = E((T1 + e¡)T2) = E(T1 T2) + E(e 1 , T2) = E(T1 T2), por
(1) y (5).
(iii) Bastará probar que E(X1 X 2) = E(T1T2), pues por (ii) se obtiene
la igualdad deseada, en efecto:
E(X1X2) = E((T1 +e¡)(T2+e2)) = E(T1T2)+E(e1T2)+E(T1e2)+
E(e1,e2) = E(T1T2), por (1), (4) y (5).J

Prueba del Corolario 1

f Sigue directamente de (I) (ii) y (I) (iii).J

104
Prueba de la Proposición 2

1(2.1) Sigue directamente de (1.1) y de (1.2).

(2.2) Sigue directamente de que E(c/T = t) =O, 'th es un caso particular

de E(c) =O, 'VN e I, N =f; cjJ y de (1.1).

(2.3) Sigue directamente de (1.1) y (1.3).

(2.4) Sigue directamente de COV(X, T) = V(T) del Corolario 1 y de

(2.3).

(2.5) Sigue directamente de r 2 (X,c) = V(r:;)/V(T) y de (2.4).J

Prueba de la proposición 3

1(3.2) Son triviales a partir de (3.1).

(3.3) Usando (1.1),(2.1),(1.3) y (1.4) se tiene que:

COV (X, X') = E(XX')- E(X)E(X') = E[(T + r:;)(T + r:;')]-
E(T)E(T') = E(T 2 )-E(r:;T)+E(r:;'T)+E(r:;r:;')-E 2 (T) = E(T 2 ) -
E2(T) = V(T) o directamente del Corolario l.

(3.4) Usando (3.2),(3.3) y (2.4) se tiene:

r(X, X')= COV (X, X')/[V(X)V(X')Jl/ 2 = V(T)/V(X) =
r 2 (X, T).

(3.5) Usando (2.3), (3.3) y (3.4) se tiene:

V(r:;) = V(X- T) = V(X)- V(T) = V(X)- COV (XX')
V(X)- V(X)r(X, X')= V(X)[1- r(X, X')].

(3.6) Usando (2.5) y (3.4) se tiene:

r(X,r:;) = J1- r(X,T) = ,jr-1-_-r..,...,(x=-=-,-=-x::7").J

Prueba de la proposición 4
1 En efecto, como por (2.4) r 2 (X, T) = 1- V(c)/V(X), podemos ver que
si la varianza de errores de medición es cero, entonces la confiabilidad
de un test será la unidad, de otro modo, como por (1.6) V(X) > V(r:;),
si la varianza de errores de medición tiende hacer igual a la varianza del
puntaje observado, entonces por (2.3) la varianza del puntaje verdadero
tendería a cero y la confiabilidad del test debe también tender a cero.J

105
Prueba de la Proposición 5

í Si X e Y son medidas estrictamente paralelas por (3.2), (3.3) se tiene

que: r(X, Y)= V(T)/V(X) = r 2 (X, T).J

Prueba del Lemal

f(6.1) Usando (1.2), el Corolario 1, sustituyendo y multiplicando por una

expresión equivalente a la unidad se tiene que:
[r(Tx, Ty )/COV(Tx, Ty ) 1 12 V(X)] 1 12 V(X) =
[COV (X, Ty )/V(X)V(Ty )][V(Tx V(X))/COV (X, Tx )]
= r(X,Ty)fr(X,Tx). De manera análoga se tiene r(Tx,Ty)
= r(Y, Ty )/r(Y, Ty ).
(6.2) Usando (1.2), la demostración de (2.4), sustituyendo y multipli-
cando por una expresión equivalente a la unidad, se tiene que:
r(X, Y) = COV (X, Y)/V(X) 112 V(Y) 112
= [COV (X,Ty)/V(X) 1 12 V(Y) 112 ] [COV (Y,Ty)/V(Ty) 112 ]
[V(Ty ) 1 12 /V(Ty ) 112 ] = [COV (X, Ty )/V(X) 112 V(Ty ) 112 ]
[COV (Y, Ty )/V(Ty ) 112 V(Y) 1 12 ] = r(X, Ty ), r(Y, Ty ).
De manera análoga se tiene r(X, Y) = r(Y, Tx ), r(X, Tx )J

Prueba de la Proposición 6

f(6.3) La primera igualdad sigue directamente de (6.2) y reemplazando

en (6.1). La segunda igualdad se obtiene por (3.4).

(6.4) Sigue directamente de (6.2) y de (3.4).

(6.5) Sigue directamente de (6.1) y del hecho que los índices de con-
fiabilidad r(X, Tx) y r(Y, Ty) son menores que uno como se obser-
vó en la Proposición 3.
(6.6) De la observación4 r(Tx,Ty) es del mismo signo que r(X,Ty),
por lo que de (6.1) ·
ir(Tx,Ty)l2:: lr(X,Ty)i, ir(Tx,Ty)l2:: ir(Y,Tx)i.
Análogamente, de (6.2)
lr(X,Ty)l2:: ir(X,Y)I y lr(Y,Tx)l2:: ir(X,Y)I.
De ambas desigualdades se concluye.J

106
Prueba de la Proposición 7:

1En efecto para x' e y' medida estrictamente paralelas para X e Y,

se cumple: r(X, Y) :S r(X, Tx) = r(X, x') 1 12 y r(X, Y) :S r(Y, Ty) =
r(Y, Y') 1 12 , por (6.5) y (3.4). Por otro lado si suponemos que r(X, Y)>
r(X,X') = r 2 (X,Tx) entonces r(X,Y)/r(X,Tx) > r(X,TX) y por
(6.2) r(Y, Tx) > r(X, Tx ). Análogamente se prueba que r(X, Ty) ?:
r(Y, Ty ), es decir r(X, Y)> r(X, x') =? r(Y, Tx) > r(X, Tx) y r(X, Y)>
r(Y, y') =? r(X, Ty) > r(Y, Ty) .J

Prueba de la proposición 8:
1Por definición COV (X, Y)= E(X, Y)-E(X)E(Y) = E(Tx+ex )(Ty+
ey)- E(Tx + ex)E(Ty + ey)] multiplicando y tomando esperanza, al u-
sar la definición de covarianza se tiene COV (X, Y) = COV (Tx, Ty) +
COV(ex,ey), pues usando (1.2) COV(Tx,ey) y COV(Ty,ex) son
cero.J

Prueba de la Proposición 9
1De la definición de correlación y de (7.2) se tiene
(7.4) Se obtiene dividiendo en forma directa

(7.5) Restando, se obtiene porque en el numerador

COV (ex,ey) = COV (X, Y)- COV (Tx,Ty) por (7.1), y en el
denominador se reemplaza la raíz cuadrada del despeje de (3.5)
finalmente de la definición de correlación para ex y ey. J

107